基于稀疏表示的可见光遥感图像飞机检测算法

为解决当前遥感图像飞机检测方法在复杂背景下准确率低,实现旋转不变困难的问题,结合图像稀疏表示原理,提出一种基于稀疏表示的飞机检测算法.该算法首先利用飞机是刚性目标且具有明显几何外观的特点,构建飞机几何原子库;然后建立飞机轮廓几何逼近的最优化方程,在稀疏表示原理框架下,得到飞机轮廓最优的几何部件组合;最后,以星型结构的部件模型为框架,生成待检测图像的目标显著图并根据显著图定位出飞机.实验结果表明,稀疏表示方法能自适应选取飞机部件,部件数目较少且不易受光照、颜色和复杂背景的影响.与现有算法相比,本文算法准确率达90%以上,检测速度有较大的提高.     

基于局部轮廓特征的无人机头部检测跟踪算法

针对无人机的结构特点,提出了一种基于目标轮廓提取、轮廓自动分段、头部定位以及头部模板匹配四个模块的目标头部检测跟踪算法.首先对第一帧图像提取目标轮廓,并通过计算轮廓点的变化率,对轮廓进行自动分段,得到目标的4个局部轮廓点列,进而根据头部轮廓点列的特点,完成头部轮廓筛选,然后利用基于目标中轴的二次曲线拟合,实现头部顶点的...     

基于分段轮廓平滑的目标识别

提出了一种基于分段轮廓平滑的目标识别算法.首先通过曲率将轮廓划分为特征区域和非特征区域;然后在不同区域内分别采用不同方差的高斯函数进行轮廓平滑;最后采用基于仿射不变矩的目标识别算法对平滑后的目标轮廓进行识别.结果表明,该算法不仅取得了更好的轮廓平滑效果,而且在强噪音条件下能够显著提高识别准确率.     

基于分段轮廓平滑的目标识别

提出了一种基于分段轮廓平滑的目标识别算法.首先通过曲率将轮廓划分为特征区域和非特征区域|然后在不同区域内分别采用不同方差的高斯函数进行轮廓平滑;最后采用基于仿射不变矩的目标识别算法对平滑后的目标轮廓进行识别.结果表明,该算法不仅取得了更好的轮廓平滑效果,而且在强噪音条件下能够显著提高识别准确率.     

支持向量学习并行区域增长结合活动轮廓模型的图像分割算法

为克服经典区域增长算法门限设置困难和图像分割精度不高的问题,提出了基于支持向量机学习的区域增长与活动轮廓模型结合的高精度图像分割算法。首先交互式选择属于目标区域的子块和背景区域的子块形成支持向量机的训练样本;并利用这些已知的训练样本训练支持向量分类器。在目标与背景的并行竞争增长过程中,利用训练好的支持向量分类器(SVC)进行分类判决,得到目标对象的初始轮廓。为提高分割对象的精度,采用活动轮廓模型获得准确的边缘。仿真实验获得了较好的分割效果,表明该提出的算法是合理可行的。     

利用红外夜视的海上弱小目标检测与分割

红外夜视检测技术能加强海上预警探测系统的安全性,但红外夜视仪所采集的海上红外图像存在大量“背景杂波”,严重干扰弱小目标的准确检测。针对此问题,结合主动轮廓模型与插值滤波器提出一种用于海上安全系统的红外夜视弱小目标检测算法。该算法先分别采用全局主动轮廓与局部主动轮廓搜索感兴趣目标区域,通过双层主动轮廓模型消除噪声与背景杂波对目标检测的影响。然后提出变化方向的插值滤波器沿着感兴趣区域的边缘进行滤波,缓解弱边缘对目标真实边缘的干扰。在真实的红外夜视海上图像集上对该算法进行了实验与分析,结果表明该算法能改善海上弱小目标的检测性能,对提高海上航行的安全性具有积极意义。     

一种基于轮廓形变度的光学伪装效果评价方法

针对光学伪装效果评价中的目标轮廓变形问题,提出了一种基于轮廓形变度的二值统计矩算法。首先,对伪装目标的原始背景图像进行二值化处理,然后对背景图像均匀分割,提取目标的轮廓特征,以此构造一个轮廓特征向量的二值统计矩阵。最后,采用欧氏距离与余弦归一化的方法对二值统计矩进行计算,获得目标的轮廓形变度值。实验结果表明,提出的二值统计矩算法可以有效地提取目标的轮廓特征;轮廓形变度指标达到了0.905±0.004和0.77±0.80;与传统Hu矩算法相比,主成分因子分别提高了27%和7%,算法效率提高了69.8%。该方法能够从目标轮廓的角度有效地评估光学迷彩伪装效果。     

环境扰动约束下的稀疏贝叶斯定位方法

针对匹配场被动定位技术对海洋环境扰动敏感的问题,提出了一种基于稀疏贝叶斯学习的稳健匹配场处理方法。该方法通过分析环境扰动情况下的声场构成,建立了海洋环境扰动模型,同时结合水下定位问题的稀疏性,将匹配场被动定位问题表述为稀疏信号重构问题。然后,使用稀疏贝叶斯学习方法迭代更新目标位置及模型失配权向量,收敛至最优稀疏解作为目标定位结果。最后使用仿真数据和北厄尔巴岛的海试数据对算法进行了验证,仿真和实验结果表明:该算法在海洋环境模型失配情况下也能够准确定位,且能分辨水平间距为100 m的两个目标。因此,基于稀疏贝叶斯学习的稳健匹配场处理方法能够有效利用海洋环境扰动声场结构和水下定位稀疏特性,以增强匹配场处理的稳健性和定位精度,并且具有应对多源定位问题的能力。      

基于深度玻尔兹曼模型的红外与可见光图像融合

为了克服红外与可见光图像融合时噪声干扰及易产生伪影导致目标轮廓不鲜明、对比度低的缺点,提出一种基于深度模型分割的图像融合方法.首先,采用深度玻尔兹曼机学习红外与可见光的目标和背景轮廓先验,构建轮廓的深度分割模型,通过Split Bregman迭代算法获取最优能量分割后的红外与可见光图像轮廓;然后再使用非下采样轮廓波变换对源图像进行分解,并针对所分割的背景轮廓采用结构相似度的规则进行系数组合;最后进行非下采样轮廓波反变换重构出融合图像.数值试验证明,该算法可以有效获取目标和背景轮廓均清晰的融合图像,融合结果不但具有较高的对比度,还能抑制噪声影响,具有有效性.     

滑动焦点光声显微成像方法

在高分辨光声显微成像系统中,只有在有限焦深范围内的吸收体可以获得高分辨率高信噪比的成像,而实际的生物组织往往具有不规则的轮廓,导致成像结果分辨率和信噪比不均匀。提出了一种基于稀疏扫描轮廓的滑动焦点光声显微成像方法,首先在固定的焦点上稀疏扫描轮廓,人工选择轮廓点获取轮廓的稀疏矩阵,然后通过双调和(Biharmonic)插值获取完整的轮廓矩阵,并将轮廓矩阵转化为焦点位置移动矩阵,最后进行二次扫描,根据焦点位置移动矩阵在每次扫描之前调整焦点位置,使得在整个扫描过程中,样品始终处于焦深的范围,从而获得分辨率和信噪比均匀的光声显微图像。通过模型实验和在体皮下血管成像、颅下血管成像,证明了该方法可以有效地提高光声成像的质量。     

对数似然图像分割的快速主动轮廓跟踪算法

针对跟踪目标尺度变化问题,提出了基于灰度对数似然图像分割的快速主动轮廓跟踪算法。改进的主动轮廓跟踪算法将根据以目标与背景的颜色差异而建立的对数似然图对图像进行阈值分割和数学形态学处理,再将Kalman滤波器结合到主动轮廓跟踪算法进行目标跟踪。改进的主动轮廓跟踪算法对目标分割准确,轮廓特征显著,跟踪效果稳定,算法能很好地适应跟踪目标尺度变化。通过Kalman滤波器对目标位置点的预测减少了主动轮廓跟踪算法收敛的迭代次数,使算法的运算效率提高了33%左右。     

基于差分图像的运动目标跟踪与分割方法的应用研究

提出了一种基于差分图像运动检测和轮廓提取的跟踪与分割图像的方法。该方法首先从初始图像中提取目标的轮廓,然后利用相邻帧之间的差分图像初步确定目标在每帧图像中的粗略位置,最后把从上一帧图像中得到的目标轮廓置于该位置,并作为轮廓提取的初始值,由此可得到对目标的准确分割。     

一种自动提取目标的主动轮廓法

提出一种新的广泛应用于数字图象分析和计算机视觉的主动轮廓(Snake)模型,引入作用方向可以自适应变化的外加强制力,使控制点能够不依赖于初始轮廓而快速地收敛到目标的真实轮廓;初始轮廓自动确定;控制点的数目可以自适应地改变;能够在背景比较复杂的图象中实现对目标轮廓的提取.用该模型对空中目标的红外图象进行的实验结果表明其具有很好的鲁棒性和实用性.     

A novel area measurement scheme based on a multi-resolution dynamic contour

A novel scheme for an object's surface area measurement is proposed, which is suitable for area computation of an object with smooth and irregular edges. A multi-resolution dynamic contour is applied and this scheme consists of four steps. Firstly, a photoelectric image collimation system is applied to obtain a target image of a detected object. An image pyramid for the target image is constructed by wavelet decomposition and reconstruction. Secondly, in the image pyramid, a multi-resolution dynamic contour converges to the target's contour edge from coarse to fine scale, via feature search and an iteration algorithm. Thirdly, for the convergent dynamic contour, two formulas for the area and centroid computation of a closed B-spline curve are applied to compute the image target's area and centroid exactly. Finally, a novel centroid self-calibration technology is applied, which measures the pixel's size equivalence with the computed centroid and a dual-frequency laser to measure the true object's surface area exactly. Experiments indicate that this scheme's single-measurement error decreases to ±0.2%, when the number of control points is 20. Compared to conventional measurement approaches, this scheme is robust for a target image with noises or complicated edges.     

基于红外图像的GVF Snake轮廓提取算法的研究

针对红外图像目标具有边界模糊不清,区分效果较差的缺点,结合Ostu阈值法和梯度矢量流主动轮廓模型（GVF Snake）,提出一种目标轮廓自动提取方法。采用Ostu法先对图像进行分割,然后将得到的边界作为Snake模型的初始边缘轮廓,利用 GVF Snake特性将初始轮廓准确地收敛到目标边界。由于Ostu算法具有将目标物体从复杂背景中分割开来的优点,使得在应用 GVF Snake模型对复杂图像进行分割时减少了人工的干预。实验证明：该方法运算速度快,能够快速地收敛到目标轮廓,并准确地跟踪目标,具有一定的抗噪能力。     

基于层的平动军事目标图像识别及运动估计

根据平动物体的运动学特征采用层的图像处理方法,实现自然环境中平动军事目标的识别和运动估计。在彩色图像的组成层上,进行图像恢复、背景噪音消除和轮廓提取等灰度图像处理。依据军事目标的特点,在各个图像组成层上采用独立的参数控制以实现最佳彩色图像处理效果。在已知目标模型的情况下,根据连续帧的处理识别确定模型的运动状态,结合平动的特点,实现目标模型的运动估计。在层上的图像处理效果优于灰度处理,利用目标模型模板,能较准确地判断目标模型运动状态。     

基于阈值判断的CamShift目标跟踪算法

针对CamShift算法只利用目标的颜色信息,在跟踪过程中,易受目标相似物、遮挡以及光照等复杂背景影响导致目标搜索窗口发散,跟踪稳定性能降低,提出了一种基于阈值判断的目标跟踪方法。该方法将OTSU法和Snake模型结合,利用OTSU法以最佳阈值对图像进行分割,分离前景区域和背景区域,初步提取目标轮廓作为Snake模型的初始轮廓,经收敛得到目标的精准轮廓,利用轮廓外接最小矩形框内的像素计算目标质心,判断与CamShift算法中目标搜索窗口质心之间的欧式距离,如果未超出阈值,则直接使用CamShift算法跟踪目标,反之,则将计算出的目标质心作为CamShift算法中当前帧目标搜索窗口的质心跟踪目标。实验结果表明,该算法跟踪目标具有较好的实时性,跟踪性能稳定、可靠。     

Saliency Snake: A unified framework with adaptive initial curve

Active contour model also known as Snake, is a popular approach for contour extraction and image segmentation. However, some existing active contour models are sensitive to the initial curve, which is usually required to be placed near the true object contour. To address this problem, this paper proposes a novel active contour model with adaptive initial curve, namely Saliency Snake. Taking visual saliency into consideration, prior shape information of the interested object is incorporated explicitly into the energy functional of Saliency Snake. Such improvement facilitates active contour evolution and leads to fast and automatic segmentation. Experiment results demonstrate that the proposed Saliency Snake can achieve superior segmentation performance both in terms of accuracy and efficiency.